基于深度学习的人脸表情识别

本博文是基于tensorflow的mtcnn算法来检测人脸，效果超好，然后用fer2013数据集训练一个表情识别的网络，最后将检测的人脸进行情绪识别。一共可以识别以下7种表情：
angry
disgust
fear
happy
sad
surprise
neutral

项目目录：只需运行下面的main.py文件即可。

可以支持图片视频和摄像头，多人脸的情绪识别。

下面是部分代码，如需要全部代码可自行下载：

import os

import cv2
import numpy as np
from keras.applications.imagenet_utils import preprocess_input
from model_bq import mini_XCEPTION
import utils.utils as utils
from net.mobilenet import MobileNet
from net.mtcnn import mtcnn

def preprocess_input(x, v2=True):
    x = x.astype('float32')
    x = x / 255.0
    if v2:
        x = x - 0.5
        x = x * 2.0
    return x
class face_rec():
    def __init__(self):
        #-------------------------#
        #   创建mtcnn的模型
        #   用于检测人脸
        #-------------------------#
        self.mtcnn_model = mtcnn()
        self.threshold = [0.5,0.6,0.8]
               
        #-------------------------#
        #   创建mobilenet的模型
        #   用于判断是否佩戴口罩
        #-------------------------#
        self.classes_path = "model_data/classes.txt"
        self.class_names = self._get_class()
        self.Crop_HEIGHT = 224
        self.Crop_WIDTH = 224
        self.NUM_CLASSES = len(self.class_names)
        self.mask_model = mini_XCEPTION(input_shape=(48,48,1),num_classes=7)
        self.mask_model.load_weights("./model_data/ep122-loss0.845-val_loss0.971.h5")

    def _get_class(self):
        classes_path = os.path.expanduser(self.classes_path)
        with open(classes_path) as f:
            class_names = f.readlines()
        class_names = [c.strip() for c in class_names]
        return class_names

    def recognize(self,draw):
        height,width,_ = np.